Beginnen wir mit drei verschiedenen Fragen
Die Diskussion über KI und Arbeitsplätze wird verwirrend, wenn drei Maße als austauschbar behandelt werden. Exposition fragt, ob eine Technologie einige Aufgaben innerhalb eines Berufs ausführen könnte. Beobachtete Effekte fragen, ob sich Beschäftigung, Arbeitsstunden, Löhne, Einstellungen oder Arbeitsqualität tatsächlich verändert haben. Prognosen schätzen, was unter Annahmen zu Fähigkeit, Verbreitung, Nachfrage, Regulierung und der breiteren Wirtschaft geschehen könnte. Ein Job kann stark exponiert sein, ohne zu verschwinden: Tabellenkalkulationen transformierten beispielsweise das Rechnungswesen, während sie zugleich die Nachfrage nach bestimmter Buchhaltungsarbeit erhöhten.
Die stärkste globale Expositionsschätzung, die 2025 verfügbar war, stammte von der Internationalen Arbeitsorganisation und dem polnischen NASK-Institut. Ihr Index auf Aufgabenebene klassifizierte etwa 25 % der weltweiten Beschäftigung als mit gewisser Exposition gegenüber generativer KI, aber nur 3,3 % in der höchsten Expositionskategorie. Die Autoren kamen zu dem Schluss, dass Transformation wahrscheinlicher sei als vollständiger Ersatz, weil die meisten Berufe automatisierbare und nicht automatisierbare Aufgaben kombinieren. Die Exposition war in Volkswirtschaften mit hohem Einkommen und bei Frauen höher, größtenteils weil Bürobeschäftigung ungleich verteilt ist. Das sind modellierte Schätzungen, keine Zählung bereits verlorener Arbeitsplätze (ILO–NASK, Mai 2025).
Was tatsächlich beobachtet wurde
Stand September 2026 ist Evidenz für gesamtwirtschaftliche Massenarbeitslosigkeit, verursacht durch generative KI, nicht erwiesen. Die Verbreitung ist erheblich, aber ungleichmäßig, und offizielle Beschäftigungsstatistiken weisen keine saubere Kategorie „durch KI verursacht” aus. Unternehmen könnten sich auf KI berufen und dabei zugleich Arbeitsplätze wegen Zinssätzen, Überbeschäftigung, Auslagerung oder gewöhnlicher Umstrukturierung streichen. Angekündigte Entlassungen sind daher schwächere kausale Evidenz als eine Studie, die ähnliche Arbeitnehmer oder Firmen mit unterschiedlicher KI-Exposition vergleicht.
Das glaubwürdigere kurzfristige Muster ist Umverteilung innerhalb von Arbeitsplätzen und Einstellungspipelines. Feldexperimente haben Produktivitätsgewinne bei begrenzten Aufgaben wie Kundensupport und Schreiben gefunden, oft mit größeren Gewinnen für weniger erfahrene Arbeitnehmer. Das impliziert nicht denselben Effekt über einen ganzen Beruf hinweg: schnellerer Output kann die Belegschaft reduzieren, die Nachfrage steigern, die Qualität erhöhen oder einfach das Arbeitsvolumen vergrößern. Stanfords AI Index 2026 berichtet, dass Arbeitsmarkteffekte ungleichmäßig sind und sich auf einige exponierte Berufe und Einstellungspipelines jüngerer Arbeitnehmer konzentrieren, doch diese Evidenz befindet sich noch in der Entwicklung und ist kein Beweis, dass eine ganze Generation verdrängt wurde (Stanford HAI, 2026).
Bürotätigkeiten bleiben unter den am stärksten exponierten, während sich die Exposition auf digitalisierte Berufsarbeit wie Programmierung, Analyse und Finanzen ausgeweitet hat. Physische Präsenz macht einen Job nicht dauerhaft sicher; sie begrenzt lediglich, was heutige Text-und-Bildschirm-Systeme ohne Robotik leisten können — eine Lücke, die die Seite dieses Handbuchs zum Stand der humanoiden Robotik direkt untersucht. Lizenziertes Urteilsvermögen und zwischenmenschliches Vertrauen können die Substitution ebenfalls verlangsamen, obwohl Institutionen dennoch Vorbereitung, Triage, Dokumentation und Überwachung rund um diese Rollen automatisieren können.
Die Schlagzeilenprognose korrigieren
Der Future of Jobs Report 2025 des Weltwirtschaftsforums schätzte 170 Millionen geschaffene und 92 Millionen verdrängte Arbeitsplätze bis 2030, für ein Nettowachstum von 78 Millionen. Diese Zahlen decken fünf Makrotrends gemeinsam ab: technologischen Wandel, geoökonomische Fragmentierung, den grünen Übergang, demografischen Wandel und wirtschaftliche Unsicherheit. Sie sind keine Schätzung der allein durch KI geschaffenen oder vernichteten Arbeitsplätze. Innerhalb der Arbeitgebererwartungen des Berichts wurden KI und Informationsverarbeitungstechnologie mit 11 Millionen geschaffenen und 9 Millionen verdrängten Arbeitsplätzen assoziiert. Die Methodik kombiniert eine Umfrage unter mehr als 1.000 großen Arbeitgebern mit ILO-Beschäftigungsdaten, sodass sie global projizierte Arbeitgebererwartungen darstellt, kein gemessenes Ergebnis (WEF, Januar 2025). Das WEF ist eine von Arbeitgebern geführte Organisation — eine Perspektive, die Leser bei der Interpretation seiner Umfrage im Blick behalten sollten.
Schätzungen von Beratungsunternehmen messen oft „technisch automatisierbare Stunden”. Sie können für die Szenarioplanung nützlich sein, sind aber keine Arbeitslosigkeitsprognosen. Der Einsatz hängt ab von Zuverlässigkeit, Neugestaltung von Arbeitsabläufen, rechtlicher Verantwortung, Integrationskosten, Tarifverhandlungen, Kundenpräferenz und ob Automatisierung eine Dienstleistung günstig genug macht, um die Nachfrage auszuweiten. Ein Modell, das in einer Vorführung 60 % der aufgeführten Aufgaben ausführen kann, hat nicht notwendigerweise 60 % der bezahlten Rolle eines Arbeitnehmers automatisiert.
Was ein AGI-Übergang verändern könnte
Alles Obige betrifft die gegenwärtige generative KI. Arbeitsmarkteffekte der AGI sind Projektionen, weil kein vereinbarter Test festgestellt hat, dass AGI existiert. Ein System, das zuverlässig neue Domänen erlernen, über lange Horizonte planen, Werkzeuge bedienen und Arbeitsabläufe verbessern kann, könnte ein weit breiteres Spektrum kognitiver Arbeit exponieren. Würde Robotik ebenfalls billig und verlässlich, könnte physische Arbeit folgen. Umgekehrt könnten Regulierung, Eigentumsstrukturen, menschliche Präferenz und komplementäre Nachfrage Arbeit bewahren oder schaffen, selbst mit weit stärkeren Systemen.
Die entscheidende Unsicherheit ist nicht nur die Fähigkeit, sondern die Verteilung der Gewinne. Rasches Produktivitätswachstum kann mit sinkendem Arbeitseinkommen koexistieren, wenn Kapitaleigentümer die meisten Erträge erfassen. Es kann auch höhere Löhne, kürzere Arbeitswochen, öffentliche Dienstleistungen oder Sozialdividenden finanzieren, wenn Institutionen die Gewinne verteilen. „Wird es Arbeitsplätze geben?” ist daher eine weniger vollständige Frage als zu fragen, wem die Systeme gehören, wer verhandeln kann, wer die Übergangskosten trägt und ob Haushalte Einkommen und Handlungsfähigkeit behalten.
Ungleiche Exposition und Effekte zweiter Ordnung
Übergänge verlaufen selten einheitlich. Verwaltungszentren könnten früher betroffen sein als Regionen, die von Bau- oder Pflegearbeit dominiert werden. Einstiegsaufgaben könnten schrumpfen, selbst wenn Senior-Rollen fortbestehen, was den Weg schwächt, auf dem Berufsanfänger zu Experten werden. Arbeitnehmer mit Behinderung könnten wertvolle Unterstützung gewinnen und zugleich automatisiertem Screening und Überwachung begegnen. Länder mit niedrigerem Einkommen könnten Zugang zu Expertise gewinnen, aber ausgelagerte Dienstleistungsarbeit verlieren, auf die lokale Volkswirtschaften angewiesen sind.
Messung übersieht auch Arbeitsplatzqualität. KI kann mühselige Arbeit entfernen, kann aber Arbeit durch Überwachung, algorithmische Vorgaben und Erwartungen konstanten Outputs intensivieren. Eine stabile Beschäftigtenzahl kann Lohnkompression, weniger Arbeitsstunden, degradierte Autonomie oder einen Wechsel von Festanstellung zu prekärer Auftragsarbeit verbergen. Umgekehrt kann sie neue Zugänglichkeits- und Unternehmertumsvorteile verbergen. Ein verantwortungsvolles Dashboard sollte Einstellungen, Löhne, Arbeitsstunden, offene Stellen, Aufgabeninhalt, Arbeitnehmerkontrolle und Verteilung verfolgen — nicht nur Entlassungen.
Eine praktische Lesart für den Haushalt
Man sollte keine unumkehrbare Karriereentscheidung aus einer einzigen Prognose treffen. Exposition sollte als Anstoß zur Sorgfaltspflicht behandelt werden:
- Die Aufgaben auflisten, für die man bezahlt wird, einschließlich Beziehungs-, Verantwortlichkeits- und physischer Kontextarbeit, die Stellenbezeichnungen auslassen.
- Aktuelle Werkzeuge an realen Aufgaben testen und ihre Zuverlässigkeit, Überwachungslast und Fehlerkosten festhalten.
- Veränderungen bei Einstellungen, Beschaffung und Arbeitsabläufen des Arbeitgebers beobachten — nicht nur Erklärungen der Führungsebene.
- Übertragbare Belege für Urteilsvermögen, Fachwissen, Kundenvertrauen und KI-unterstützte Produktivität aufbauen.
- Die Konzentration des Haushalts auf einen einzigen Arbeitgeber oder ein enges Aufgabenbündel verringern, wo machbar.
Die ehrliche Schlussfolgerung im September 2026 lautet weder „nichts passiert” noch „die meisten Arbeitsplätze verschwinden gleich”. Die gegenwärtige Evidenz zeigt erhebliche Aufgabenexposition, ungleichmäßige Verbreitung, Produktivitätsgewinne in begrenzten Umgebungen und frühe Disruption in manchen Einstellungskanälen. Große Nettobeschäftigungsbehauptungen bleiben Prognosen. Verdrängung im Ausmaß der AGI ist ein plausibles Szenario, dessen Größenordnung ebenso von Einsatz und politischer Ökonomie wie von Modellfähigkeit abhängt.